知识卡片
Bootstrap估计不确定性
非参数 bootstrap 从已有样本中反复有放回抽取,通常每次抽取与原样本相同数量的数据;每次计算目标统计量,再用这些结果近似统计量的抽样分布。它不能凭空补回原样本没有代表的信息;抽样依赖和样本选择偏差需另外处理。常规同样本量做法参见 Penn State 课程(2026-11-21 核验)。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 随机性与基础统计学 · 查看原书依据
这个过程包括两个基本步骤
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第2章《随机性与基础统计学》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0009_split_006.html`)
- 结论依据:原文介绍相关概念;bootstrap 取样量和频率置信区间含义另据卡中链接澄清。
- 原始内容:这个过程包括两个基本步骤:第一步是我们在图2.15中看到的那样,根据原始的总体创建一个样本集;第二步则涉及对样本集进行重采样(resampling)以生成一些新数据集,而这些新数据集中的每一个都称为bootstrap。